Pytorch 运行卷积自动编码器RuntimeError时出错：张量的元素0不需要梯度，也没有梯度fn

我是一个noob，第一次在PyTorch中创建一个模型。我试图创建一个卷积自动编码器，在运行模型时得到错误。我使用的代码是：

类MyDataset（数据集）：
定义初始化（自身、图像路径、目标路径，序列=真）：
self.image\u路径=image\u路径
self.target\u路径=target\u路径
def变换（自身、图像、目标）：
#变换为张量
调整大小=变换。调整大小（大小=（23501650））
图像=调整大小（图像）
目标=调整大小（目标）
灰度=变换。灰度（1）
图像=灰度（图像）
目标=灰度（目标）
image=TF.to_张量（image）
目标=TF.to_张量（目标）
返回图像、目标
定义uu获取项目uu（自身，索引）：
image=image.open（self.image\u路径[索引]）
target=Image.open（self.target\u路径[索引]）
x、 y=自我变换（图像、目标）
返回x，y
定义（自我）：
返回len（自映像路径）
列车数据=MyDataset（图像路径=列车数据，目标路径=目标数据，列车=真）
testdata=MyDataset（图像路径=测试数据，目标路径=无，序列=假）
火车装载机=数据装载机（火车数据，批量大小=1，随机播放=True，工人数量=4）
test\u loader=DataLoader（testdata，batch\u size=1，shuffle=False，num\u workers=4）
类卷积自动编码器（nn.模块）：
定义初始化（自）：
super（卷积自动编码器，self）。\uuuu init\uuuu（）
self.encoder_block1=nn.顺序(
nn.Conv2d（1,64,3，步幅=1，填充=1），
nn.ReLU（正确），
nn.Conv2d（64,64,3，步幅=1，填充=1），
nn.ReLU（真）
)
self.decoder_block1=nn.Sequential（
nn.ConvTranspose2d（64,64,3，步幅=1，填充=1），
nn.ReLU（正确），
nn.ConvTranspose2d（64,64,3，步幅=1，填充=1），
nn.ReLU（真）
)
self.decoder_block0=nn.Sequential（
nn.ConvTranspose2d（64,1,3，步幅=1，填充=1），
nn.Sigmoid（）
)
def前进（自身，x）：
x1=自编码器_块1（x）
y1=自译码器_块1（x1）
y0=自译码器_块0（y1）
返回x
device=torch.device（“如果torch.cuda.is可用，则cuda:2（），否则为“cpu”）
打印（设备）
型号=卷积自动编码器（）。到（设备）
#损失与优化
学习率=0.001
标准=nn.MSELoss（）
optimizer=optim.Adam（model.parameters（），lr=learning\u rate）
params=list（model.parameters（））
打印（len（params））
打印（参数[0].size（））#conv1的.weight
num_epochs=30
总步进=长度（列车装载机）
对于范围内的历元（num_历元）：
对于批处理idx，枚举（列装载机）中的数据：
inp，targ=数据
输入=输入到（设备）
目标=目标到（设备）
输出=型号（inp）
损耗=标准（输出，目标）
模型0_梯度（）
loss.backward（）
optimizer.step（）
#打印统计数据
运行损失+=损失。项目（）
如果（批次号+1）%10==0：
打印（'Epoch[{}/{}]，步骤[{}/{}]，丢失：{:.4f}'
.format（历元+1，历元数，i+1，总步长，loss.item（））

我得到的全部错误是：

---------------------------------------------------------------------------
运行时错误回溯（上次最近调用）
在里面
13
14型零度梯度（）
--->15.损失向后（）
16优化器。步骤（）
17
~/anaconda3/envs/gautam\u new/lib/python3.6/site-packages/torch/tensor.py in backward（self、gradient、retain\u graph、create\u graph）
91种产品。默认值为“False”。
92         """
--->93火炬。自动标记。向后（自我、梯度、保留图、创建图）
94
95 def寄存器挂钩（自身，挂钩）：
~/anaconda3/envs/gautam\u new/lib/python3.6/site packages/torch/autograd/\uuuuu init\uuuuuuuuuuuuuuuuy.py向后（张量、梯度张量、保留图、创建图、梯度变量）
88变量。\u执行\u引擎。向后运行\u(
89张量，梯度张量，保留图，创建图，
--->90 allow_unreachable=True）#allow_unreachable标志
91
92
RuntimeError:张量的元素0不需要梯度，也没有梯度fn

请帮忙。另外，如果可能的话，还可以给我一些建议，让我的模型更深入。我一直在把CUDA从内存错误中弄出来

---

谢谢。

我无法测试您的模型，但是考虑到错误消息，您的问题的原因在于您的

转发的返回值

当前您返回的是
x
，它是实际的输入而不是输出：

def forward(self, x):
    x1 = self.encoder_block1(x)
    y1 = self.decoder_block1(x1)
    y0 = self.decoder_block0(y1)
    return x

因此，要返回输出，您可能需要将返回值表单
x
更改为
y0
：

def forward(self, x):
    x1 = self.encoder_block1(x)
    y1 = self.decoder_block1(x1)
    y0 = self.decoder_block0(y1)
    return y0



关于记忆：

请不要在一个问题中放太多的问题。假设你在一个问题中有三个完全不同的问题，并且有三个人在那里，他们每个人都能解决你的一个问题，你可能会得到一个答案。因为他们都不能给你一个答案ete回答所有这些问题。
但是如果你把问题分成三个问题，你可能只会得到三个答案，解决所有问题。在许多情况下，这也可以改善问题，因为你可以更具体地解决问题，而不必在问题中写一整部小说。
当然，如果你的问题非常相关，那么你可以你可以把它们放在一个问题中，但这里的情况似乎不是这样。

我想你的
转发
函数仍然有一些副作用导致内存问题的可能性（胡乱猜测-对此一点也不确定）。因此，如果你幸运的话